基于深度强化学习的自动驾驶分层序贯决策架构
机器人学
2019-06-21 v1 人工智能
机器学习
系统与控制
系统与控制
摘要
战术决策是先进驾驶系统的关键特性,其包含若干挑战,如不确定环境的复杂性以及自主系统的可靠性。本工作中,我们开发了一种多模态架构,包含自车周边的环境建模,并训练了一个深度强化学习(DRL)智能体,在随机高速公路驾驶场景中取得稳定表现。为此,我们将自车周边的占据栅格输入 DRL 智能体,获得高层序贯指令(如换道)并发送至底层控制器。我们将展示,将自动驾驶问题划分为多层控制架构,使我们能够利用人工智能能力分别求解各层,并取得可接受的可靠性评分。与端到端方法相比,该架构使我们能获得更可靠的系统,可实际部署于自动驾驶汽车中。
引用
@article{arxiv.1906.08464,
title = {A Hierarchical Architecture for Sequential Decision-Making in Autonomous Driving using Deep Reinforcement Learning},
author = {Majid Moghadam and Gabriel Hugh Elkaim},
journal= {arXiv preprint arXiv:1906.08464},
year = {2019}
}
备注
Appears in ICML 2019 workshop on Real-world Sequential Decision Making: Reinforcement Learning and Beyond. Source code available in: https://github.com/MajidMoghadam2006